文章目录

• 一、Bag of Words是什么？
• 二、Bag of Feature是什么？
• 三、实验
• • Step 1：sift提取特征并建立视觉词典
  • Step 2：建立数据库
  • Step 3：进行查询测试
  • 实验结果
  • 结果分析
  • 结论

---

一、Bag of Words是什么？

最初的Bag of words，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词是否出现，或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。

一般来讲，如果我们要了解一段文本的主要内容，最行之有效的策略是抓取文本中的关键词，根据关键词出现的频率确定这段文本的中心思想。

比如：如果一则新闻中经常出现「iraq」、「terrorists」，那么，我们可以认为这则新闻应该跟伊拉克的恐怖主义有关。而如果一则新闻中出现较多的关键词是「soviet」、「cuba」，我们又可以猜测这则新闻是关于冷战的（见下图）。

Bag of words中的 words 是区分度较高的单词。根据这些 words我们可以快速识别出文章内容，并对文章进行分类。而Bag of Feature算法与其大同小异，只是我们抽出的关键词word是图像中的关键特征。

---

二、Bag of Feature是什么？

这是一种参考文本检索中Bag of words的方法，其主要思想是将每幅图像描述为一个局部特征的无序序列，然后使用某种聚类方法将局部特征进行聚类，对每个聚类中心再将其量化成一个码字后，形成视觉词典。在检索时通过直方图向量去统计每个视觉词汇出现次数。
方法大致如下：

• 特征提取：使用sift算法
  

• 特征聚类：提取完特征后，我们会采用一些聚类算法对这些特征向量进行聚类。最常用的聚类算法是 k-means。聚类完成后，我们就得到了这 k 个向量组成的视觉词典。
  

• 转直方图：把输入图像转化为视觉单词的频率直方图。

• 算法流程

1、构造一个数据集
2、sift算子提取特征点及描述符
3、采用k-means算法对特征点进行训练生成聚类中心
4、计算每个视觉单词的权重生成直方图
5、对于输入的检索图像计算sift特征生成直方图
6、构造检索图像到数据库图像的倒排表，针对候选图像集与检索图像进行匹配

---

三、实验

数据集构造：拍摄多个物件的多张图片，我的数据集如下：

Step 1：sift提取特征并建立视觉词典

源码：

import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
import sift

# 获取图像列表
imlist = get_imlist('./data/')
nbr_images = len(imlist)
# 获取特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]

# 提取文件夹下图像的sift特征
for i in range(nbr_images):
    sift.process_image(imlist[i], featlist[i])

# 生成词汇
voc = vocabulary.Vocabulary('bow')
voc.train(featlist, 150, 10)

# 保存词汇
with open('./data/vocabulary.pkl', 'wb') as f:
    pickle.dump(voc, f)
print('vocabulary is:', voc.name, voc.nbr_words)

得到每张图片相应的sift特征并进行kmeans聚类得到视觉词典（一个pkl文件）：

Step 2：建立数据库

源码：

import pickle
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from sqlite3 import dbapi2 as sqlite # 使用sqlite作为数据库


#获取图像列表
imlist = get_imlist('./data/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]

# load vocabulary
#载入词汇
with open('./data/vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)
#创建索引
indx = imagesearch.Indexer('testImaAdd.db',voc) # 在Indexer这个类中创建表、索引，将图像数据写入数据库
indx.create_tables() # 创建表
# go through all images, project features on vocabulary and insert
#遍历所有的图像，并将它们的特征投影到词汇上
for i in range(nbr_images)[:888]:
    locs,descr = sift.read_features_from_file(featlist[i])
    indx.add_to_index(imlist[i],descr) # 使用add_to_index获取带有特征描述子的图像，投影到词汇上
                                       # 将图像的单词直方图编码存储
# commit to database
#提交到数据库
indx.db_commit()

con = sqlite.connect('testImaAdd.db')
print (con.execute('select count (filename) from imlist').fetchone())
print (con.execute('select * from imlist').fetchone())

得到一个db文件：

Step 3：进行查询测试

源码：

import pickle
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from PCV.geometry import homography

# load image list and vocabulary
#载入图像列表
imlist = get_imlist('./data/')
nbr_images = len(imlist)
#载入特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]

#载入词汇
with open('./data/vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)

src = imagesearch.Searcher('testImaAdd.db',voc)

# index of query image and number of results to return
#查询图像索引和查询返回的图像数
q_ind = 8
nbr_results = 4

# regular query
# 常规查询(按欧式距离对结果排序)
res_reg = [w[1] for w in src.query(imlist[q_ind])[:nbr_results]]
print ('top matches (regular):', res_reg)

# load image features for query image
#载入查询图像特征
q_locs,q_descr = sift.read_features_from_file(featlist[q_ind])
fp = homography.make_homog(q_locs[:,:2].T)

# RANSAC model for homography fitting
#用单应性进行拟合建立RANSAC模型
model = homography.RansacModel()
rank = {}

# load image features for result
#载入候选图像的特征
for ndx in res_reg[1:]:
    locs,descr = sift.read_features_from_file(featlist[ndx])  # because 'ndx' is a rowid of the DB that starts at 1
    # get matches
    matches = sift.match(q_descr,descr)
    ind = matches.nonzero()[0]
    ind2 = matches[ind]
    tp = homography.make_homog(locs[:,:2].T)
    # compute homography, count inliers. if not enough matches return empty list
    try:
        H,inliers = homography.H_from_ransac(fp[:,ind],tp[:,ind2],model,match_theshold=4)
    except:
        inliers = []
    # store inlier count
    rank[ndx] = len(inliers)

# sort dictionary to get the most inliers first
sorted_rank = sorted(rank.items(), key=lambda t: t[1], reverse=True)
res_geom = [res_reg[0]]+[s[0] for s in sorted_rank]
print ('top matches (homography):', res_geom)

# 显示查询结果
imagesearch.plot_results(src,res_reg[:4]) #常规查询
imagesearch.plot_results(src,res_geom[:4]) #重排后的结果

实验结果

• 当查询图像索引为 3 时的结果
  
  出现了一个错误的图像归类

• 当查询图像索引为 8 时的结果
  出现了一个错误的图像归类

• 当查询图像索引为 13 时的结果
  
  结果相同且匹配成功

• 查询图像索引为16时的结果
  
  结果相同且匹配成功

结果分析

测试一和二出现了匹配失败的例子，可能是由于两个物体在同一场景下进行拍摄，故在提取特征点的时候出现了大量相同点，影响了测试的结果。在不同场景下拍摄的物体没有出现匹配错误。

结论

在图像特征比较明显的情况之下，图像的匹配效果就会比较好。

---

标签：检索,BagOfFeature,nbr,聚类,BOW,sift,图像,import,imlist
来源： https://blog.csdn.net/Jiawen_/article/details/117629240